极端干旱区苏干湖湿地植被分类与变化分析

doi:10.7522/j.issn.1000-694X.2024.00054

摘要/Abstract

摘要：

湿地生物多样性极为丰富，湿地植被作为该生态系统中的核心部分，在维持系统稳定性和多功能性方面具有重要作用，掌握湿地植被类型与分布特征对生物多样性保护极其重要。然而，受湿地植被群落信息缺乏和遥感分辨率等因素的影响，对干旱区湿地植被分类的研究存在明显不足。选择中国西北极端干旱区柴达木盆地北部的苏干湖湿地作为研究对象，以116个野外植被调查点以及626个无人机影像植被样本点数据为基础，选择Sentinel-1合成孔径雷达数据（Synthetic Aperture Radar， SAR）和Sentinel-2光学遥感数据（MultiSpectral Instrument， MSI）构建新的遥感特征数据库，运用随机森林算法进行苏干湖湿地植被的分类与制图。结果表明：（1）SAR数据和MSI数据的结合使用能够提高湿地植被分类的精度，2019、2020、2021、2022、2023年湿地植被分类结果总体精度均超过0.81，Kappa系数分别为0.82、0.84、0.86、0.82、0.82。（2）2019—2023年苏干湖湿地面积总体呈稳定状态，植被分布面积为783.90 km²。芦苇（Phragmites australis）群落面积增加了28.49 km²，赖草（Leymus secalinus）群落面积增加了27.21 km²，而水麦冬（Triglochin palustre）、沼泽荸荠（Eleocharis palustris）群落面积减少了64.49 km²。初步认为径流增加和禁牧政策是湿地植被分布变化的重要原因。

关键词: 遥感监测, 干旱区, 苏干湖湿地, 随机森林, 植被分类

Abstract:

Wetland is the most biodiverse ecosystem on Earth， and wetland vegetation plays a crucial role in maintaining the stability and functionality of these ecosystems， so mastering wetland vegetation types and distribution characteristics is extremely important for biodiversity conservation. Due to factors such as lacking or unsystematic vegetation community information and remote sensing resolution， the research on vegetation distribution in arid wetlands is limited. Taking the Sugan Lake wetland in the northern part of the Qaidam Basin of the extremely arid region in northwest China as the study area， based on the field vegetation survey data of 116 points and 626 unmanned aerial vehicle image sample points data， Sentinel-1 Synthetic Aperture Radar （Synthetic Aperture Radar， SAR） data and Sentinel-2 Multispectral Imager imagery （MultiSpectral Instrument， MSI） data were used to construct a new remote sensing feature database. The vegetation in Sugan Lake wetland was classified and mapped using the Random Forest algorithm. The results show that：（1） The combination of SAR and MSI data can improve the accuracy of wetland vegetation classification， with overall accuracy of wetland vegetation classification exceeding 0.81 for the years 2019-2023， and Kappa coefficients of 0.82， 0.84， 0.86， 0.82， and 0.82 respectively. （2） From 2019 to 2023， the area of Sugan Lake wetland remained stable， with a vegetation distribution area of 783.90 km2. The distribution area ofreed （Phragmites australis） communities increased by 28.49 km2， and the area of leymus （Leymus secalinus） communities increased by 27.21 km2. In contrast， the coverage of triglochin palustre （Triglochin palustre） and eleocharis palustris （Eleocharis palustris） communities decreased by 64.49 km2. It is preliminarily considered that increased runoff and grazing prohibition policies are important reasons for the changes in wetland vegetation distribution. This study provides an effective method for surveying vegetation in arid area wetlands. High-quality dynamic monitoring of wetland vegetation offers theoretical references for the construction of ecological civilization and restoration measures.

Key words: remote sensing monitoring, arid region, Sugan Lake wetland, random forest algorithm, vegetation classification

中图分类号:

Q948

张腾, 苗运法, 邹亚国, 张孜越, 冯国平. 极端干旱区苏干湖湿地植被分类与变化分析[J]. 中国沙漠, 2024, 44(4): 81-90.

Teng Zhang, Yunfa Miao, Yaguo Zou, Ziyue Zhang, Guoping Feng. Classification and changes of vegetation in Sugan Lake wetland in the extreme arid region[J]. Journal of Desert Research, 2024, 44(4): 81-90.

图/表 10

图1 苏干湖湿地地理位置及工作点位分布注：基于自然资源部标准地图服务网站标准地图（审图号：（2020）4619号）制作，底图边界无修改

Fig.1 The geographical location of Sugan Lake wetland and the distribution of working points

表1 苏干湖湿地植被群落分类的样本标签

Table 1 Sample labels for vegetation community classification in Sugan Lake wetland

指标	植被群落类型
指标	芦苇	赖草	水麦冬	沼泽荸荠	乳苣	盐角草	心叶独行菜	菖蒲
样本标签数量	186	118	49	100	57	24	40	52

表2 基于SAR和MSI数据的植被分类特征指数

Table 2 Selection of features for vegetation classification based on SAR dataset and MSI dataset

特征指数	特征说明	数量	数据来源
原始波段	B2、B3、B4、B8、B11、B12	6	MSI
植被水体指数	NDVI、NDWI、RVI…	24	MSI
缨帽指数	Brightness、Greenness、Wetness	3	MSI
红边指数	Ndvire1、Ndvire2、Ndvire3…	5	MSI
纹理特征指数	Asm、Contrast、Corr…	9	MSI
SAR时序特征指数	VH max、VH min、VH mean…	8	SAR

图2 2019—2023年苏干湖湿地样本点光谱变化特征

Fig.2 Spectral change characteristics of sample points in Sugan Lake wetland from 2019 to 2023

图3 苏干湖湿地2023年同类型样本标签计算结果的箱线图

Fig.3 Boxplot of the calculation results for the same type of sample labels in Sugan Lake wetland in 2023

表3 苏干湖湿地植被群落样本历史时期特征提取的阈值设定

Table 3 The threshold setting for feature extraction of historical period samples in Suhan Lake wetland

指标	植被群落类型
指标	芦苇	赖草	水麦冬	沼泽荸荠	乳苣	盐角草	心叶独行菜	菖蒲
DTW_VH	19.46	19.44	13.78	16.16	15.79	19.40	16.86	20.25
DTW_VV	12.88	12.45	8.15	7.32	6.67	5.33	4.96	10.97
ED	0.44	0.37	0.52	0.63	0.31	0.33	0.23	0.35
SAD	0.96	0.98	0.97	0.96	0.98	0.99	0.99	0.98

表4 2023年苏干湖湿地不同特征指数组合的植被群落分类精度评价

Table 4 Evaluation of vegetation community classification accuracy for different features combinations in Sugan Lake wetland in 2023

编号	特征指数组合	总体分类精度	Kappa系数
1	原始波段	0.79	0.75
2	原始波段+植被水体指数	0.82	0.79
3	原始波段+植被水体指数+纹理特征指数	0.83	0.80
4	原始波段+植被水体指数+红边指数+缨帽指数	0.83	0.81
5	原始波段+植被水体指数+红边指数+纹理特征指数+缨帽指数	0.84	0.82
6	原始波段+植被水体指数+红边指数+纹理特征指数+缨帽指数+SAR时序特征指数	0.85	0.82

图4 2019—2023年苏干湖湿地植被群落分类结果

Fig.4 Classification results of vegetation community in Sugan Lake wetland from 2019 to 2023

图5 2019—2023年苏干湖湿地植被群落面积变化

Fig.5 Changes in the vegetation community area in Sugan Lake wetland from 2019 to 2023

图6 苏干湖湿地植被分类特征指数的重要性排序

Fig.6 The importance ranking of vegetation classification features in Sugan Lake wetland

参考文献 41

1	Levandowski M L， Litt A R， McKenna M F，et al.Multi-method biodiversity assessments from wetlands in Grand Teton National Park［J］.Ecological Indicators，2021，131：108205.
2	Zhang Y， Huang D， Jin X，et al.Long-term wetland biomonitoring highlights the differential impact of land use on macroinvertebrate diversity in Dongting Lake in China［J］.Communications Earth & Environment，2024，5（1）：32.
3	Eid A N M， Olatubara C O， Ewemoje T A，et al.Coastal wetland vegetation features and digital change detection mapping based on remotely sensed imagery：El-Burullus Lake，Egypt［J］.International Soil and Water Conservation Research，2020，8（1）：66-79.
4	Norman L M， Lal R， Wohl E，et al.Natural infrastructure in dryland streams （NIDS） can establish regenerative wetland sinks that reverse desertification and strengthen climate resilience［J］.Science of The Total Environment，2022，849：157738.
5	Wang Y， Wang H， He J S，et al.Iron-mediated soil carbon response to water-table decline in an alpine wetland［J］.Nature Communications，2017，8：15972.
6	Zhu X， Jiao L， Wu X，et al.Ecosystem health assessment and comparison of natural and constructed wetlands in the arid zone of northwest China［J］.Ecological Indicators，2023，154：110576.
7	Fluet-Chouinard E， Stocker B D， Zhang Z，et al.Extensive global wetland loss over the past three centuries［J］.Nature，2023，614（7947）：281-286.
8	万洪秀，孙占东，王润.博斯腾湖湿地生态脆弱性评价研究［J］.干旱区地理，2006（2）：248-254.
9	徐贺年，王江林，彭小梅，等.青藏高原东北部祁连圆柏径向生长对不同类型干旱的响应［J］.应用生态学报，2022，33：2097-2104.
10	Li C， Fu B， Wang S，et al.Drivers and impacts of changes in China's drylands［J］.Nature Reviews Earth & Environment，2021，2（12）：858-873.
11	Guo M， Li J， Sheng C，et al.A Review of Wetland Remote Sensing［J］.Sensors （Basel），2017，17（4）：777.
12	郝斌飞，韩旭军，马明国，等.Google Earth Engine在地球科学与环境科学中的应用研究进展［J］.遥感技术与应用，2018，33（4）：600-611.
13	芦瑞杰，刘树林，康文平，等.结合GEE平台与机器学习算法的荒漠信息提取［J］.中国沙漠，2023，43（6）：60-70.
14	李森，颜长珍.基于ChinaCover数据集的绿洲结构数据制图：以河西内陆河流域为例［J］.中国沙漠，2023，43（3）：230-242.
15	Li Y， Hou Z， Zhang L，et al.Long-term spatio-temporal changes of wetlands in Tibetan Plateau and their response to climate change［J］.International Journal of Applied Earth Observation and Geoinformation，2023，121：103351.
16	Geant C B， Gustave M N， Schmitz S.Mapping small inland wetlands in the South-Kivu province by integrating optical and SAR data with statistical models for accurate distribution assessment［J］.Scientific Reports，2023，13（1）：17626.
17	姚杰鹏，杨磊库，陈探，等.基于Sentinel-1，2和Landsat 8时序影像的鄱阳湖湿地连续变化监测研究［J］.遥感技术与应用，2021，36（4）：760-776.
18	Chen J， Zhang Z.An improved fusion of Landsat-7/8，Sentinel-2，and Sentinel-1 data for monitoring alfalfa：implications for crop remote sensing［J］.International Journal of Applied Earth Observation and Geoinformation，2023，124：103533.
19	Blickensdörfer L， Oehmichen K， Pflugmacher D，et al.National tree species mapping using Sentinel-1/2 time series and German National Forest Inventory data［J］.Remote Sensing of Environment，2024，304：114069.
20	程天亮，王新平，马雄忠，等.基于无人机影像的阿拉善东南部荒漠灌丛植被空间格局研究［J］.生态学报，2022，42（16）：6778-6789.
21	江维薇，李文涛，肖衡林.澜沧江流域糯扎渡水库消落带植被的物种组成、空间分布特征及地形解释［J］.湖泊科学，2022，34（6）：2025-2039.
22	Huang H， Wang J， Liu C，et al.The migration of training samples towards dynamic global land cover mapping［J］.ISPRS Journal of Photogrammetry and Remote Sensing，2020，161：27-36.
23	赵夏纬.苏干湖盆地湿地植被时空分布特征及其成因分析［D］.兰州：西北师范大学，2021.
24	Keogh E， Ratanamahatana C A.Exact indexing of dynamic time warping［J］.Knowledge and Information Systems，2005，7（3）：358-386.
25	Ji L， Geng X， Sun K，et al.Target detection method for water mapping using Landsat 8 OLI/TIRS Imagery［J］.Water，2015，7（12）：794-817.
26	王奕森，夏树涛.集成学习之随机森林算法综述［J］.信息通信技术，2018，12（1）：49-55.
27	明義森，刘启航，柏荷，等.利用光学和SAR遥感数据的若尔盖湿地植被分类与变化监测［J］.遥感学报，2023，27（6）：1414-1425.
28	Balling J， Herold M， Reiche J.How textural features can improve SAR-based tropical forest disturbance mapping［J］.International Journal of Applied Earth Observation and Geoinformation，2023，124：103492.
29	Qian H， Bao N， Meng D，et al.Mapping and classification of Liao River Delta coastal wetland based on time series and multi-source GaoFen images using stacking ensemble model［J］.Ecological Informatics，2024，80：102488.
30	Peng K， Jiang W， Hou P，et al.Continental-scale wetland mapping：a novel algorithm for detailed wetland types classification based on time series Sentinel-1/2 images［J］.Ecological Indicators，2023，148：110113.
31	Nedkov R.Orthogonal transformation of segmented images from the satellite Sentinel-2［J］.Comptes rendus de l'Academie bulgare des Sciences，2017，70（5）：687-692.
32	Dong T， Liu J， Shang J，et al.Assessment of red-edge vegetation indices for crop leaf area index estimation［J］.Remote Sensing of Environment，2019，222：133-143.
33	Shen X， Shen M， Wu C，et al.Critical role of water conditions in the responses of autumn phenology of marsh wetlands to climate change on the Tibetan Plateau［J］.Global Change Biology，2024，30（1）：e17097.
34	康满萍，赵成章，白雪，等.苏干湖湿地植被覆盖度时空变化格局［J］.生态学报，2020，40（9）：2975-2984.
35	李平平，王晓丹，陈海龙.苏干湖湿地与奎屯诺尔湿地之间水力联系研究［J］.干旱区研究，2022，39（2）：429-435.
36	王德旺，何萍，张馨予，等.苏干湖流域冰川、湿地对气候变化的响应研究［J］.干旱区资源与环境，2023，37（8）：107-116.
37	Yang Y， Wu J， Miao Y，et al.Lake changes during the past five decades in Central East Asia：links with climate change and climate future forecasting［J］.Water，2022，14（22）：3661.
38	康满萍，赵成章，李群.苏干湖湿地土壤全盐含量特征及其与地下水的关联［J］.生态学报，2022，42（22）：9026-9034.
39	Zhang M， Delgado-Baquerizo M， Li G，et al.Experimental impacts of grazing on grassland biodiversity and function are explained by aridity［J］.Nature Communications，2023，14（1）：5040.
40	施雅风，沈永平，胡汝骥.西北气候由暖干向暖湿转型的信号、影响和前景初步探讨［J］.冰川冻土，2002，24（3）：219-226.
41	陈发虎，谢亭亭，杨钰杰，等.我国西北干旱区“暖湿化”问题及其未来趋势讨论［J］.中国科学：地球科学，2023，53（6）：1246-1262.

[1]	宁婷, 张定海, 赵有益, 江晶. 腾格里沙漠土壤水分含量与地形、植被的关系[J]. 中国沙漠, 2024, 44(5): 133-142.
[2]	段瑞兵, 张瑞, 王乐乐, 张亚鑫, 杨战, 董雪, 马迎宾. 乌兰布和沙漠10种植物叶片PV曲线水分参数与解剖特征关系[J]. 中国沙漠, 2024, 44(5): 205-216.
[3]	卢建男, 李玉强, 赵学勇, 李宝成, 王旭洋, 张蕊. 半干旱区典型沙地生态环境演变特征及沙漠化防治建议[J]. 中国沙漠, 2024, 44(4): 284-292.
[4]	卫雨西, 陈丽娟, 冯起, 席海洋, 郭瑞, 张成琦. 干旱区盐碱土微生物特征及其影响因素研究进展[J]. 中国沙漠, 2024, 44(3): 18-30.
[5]	万雨晨, 刘彦平, 吴永胜, 贾鸿飞, 张甜, 高艳红, 杨昊天, 尤万学, 杜军, 贾荣亮. 腾格里沙漠人工固沙植被区藓类植物形态演变特征[J]. 中国沙漠, 2024, 44(3): 298-307.
[6]	邵梅, 罗万银, 顿耀权, 逯军峰, 王芳, 李得禄, 满多清, 雷丰丰, 张彩霞. 干旱区退化湖盆表土及降尘的微观形貌特征和化学元素组成差异[J]. 中国沙漠, 2023, 43(6): 187-196.
[7]	潘昌祥, 欧阳茜如, 廖梦榆, 范裕, 郭群, 张志山, 吴戈男, 赵洋‍, 刘立超, 潘颜霞, 李新荣, 屈建军, 穆松林, 李胜功. 西北干旱区沙漠化土地生态修复技术及沙产业的适用范围[J]. 中国沙漠, 2023, 43(5): 155-165.
[8]	刘俊壕, 周海盛, 郭群. 中国北方干旱半干旱区沙漠化治理对植被格局的影响[J]. 中国沙漠, 2023, 43(5): 204-213.
[9]	尤其, 许宝荣, 邹松兵, 秦艺豪, 王铎, 于冬. 中国北方干旱半干旱区植被-气候响应关系特征[J]. 中国沙漠, 2023, 43(4): 274-287.
[10]	程姗岭, 于海鹏, 任钰, 周洁, 罗红羽, 刘晨汐, 龚咏琪. 中国干旱半干旱区气候异常影响机理研究进展[J]. 中国沙漠, 2023, 43(3): 21-35.
[11]	李琳, 刘鹄, 孙程鹏, 赵文智. 基于地下水位与土壤含水量的地下水蒸散发估算[J]. 中国沙漠, 2022, 42(6): 277-287.
[12]	赵康, 张磊, 李凯凯, 王斐, 张丙昌. 干旱区土壤自养微生物研究进展[J]. 中国沙漠, 2022, 42(5): 177-186.
[13]	吴倩倩, 张晓, 徐书兴, 杨晓晖, 刘艳书, 李瀚之, 时忠杰. 亚洲内陆干旱区NDVI与树木生长的气候响应及其影响因素[J]. 中国沙漠, 2022, 42(4): 1-10.
[14]	唐红林, 陈佳, 石若晗, 杨新军, 张小文, 马江浩. 乡村类型视角下干旱区社区恢复力评估及优化策略[J]. 中国沙漠, 2022, 42(4): 199-208.
[15]	张越, 陈思宇, 毕鸿儒, 曹佳慧, 罗源, 龚咏琪, 陈渔. 干旱半干旱区农田土壤风蚀特征及参数化研究进展[J]. 中国沙漠, 2022, 42(3): 105-117.